+150 XP

Performance-Benchmarking: die Analytics-KPIs, die Branchenkompetenz ausmachen

# Performance-Benchmarking: die Analytics-KPIs, die Branchenkompetenz ausmachen

Eine Hotelmanagerin in Lissabon und ein Revenue-Analyst in Chicago können auf dasselbe Dashboard blicken und zwei verschiedene Geschichten sehen. Der eine liest RevPAR als Vanity-Kennzahl. Die andere liest ihn als Signal für Pricing Power, Nachfragemix und Marktposition. Diese Lücke, zwischen dem Überfliegen einer Tabelle und dem flüssigen Lesen, trennt Operator, die auf Daten reagieren, von Profis, die damit Entscheidungen treffen. Diese Lektion baut diese Kompetenz auf.

Warum Benchmarks wichtiger sind als Rohzahlen

Die Belegungsquote eines einzelnen Hotels sagt für sich genommen fast nichts. Eine Belegung von 68 % kann exzellent oder mittelmäßig sein, je nach Markt, Saison und Wettbewerbsumfeld (das „Comp Set“: eine definierte Gruppe vergleichbarer Häuser, die als Peer-Benchmark dient).

Daten werden erst zu Intelligence, wenn sie verglichen werden mit:

  • Historischer Performance (gleicher Zeitraum, Vorjahr)
  • Comp-Set-Performance (direkte Wettbewerber im gleichen Marktsegment)
  • Marktweiten Benchmarks (Stadt-, Regions- oder Länderebene)

Deshalb ist die zentrale Dateninfrastruktur der Branche um geteiltes, standardisiertes Reporting herum gebaut, nicht nur um interne Dashboards.

Die Kerndatensätze: woher Performance-Daten in der Hotellerie tatsächlich kommen

Drei Datenquellen dominieren das Messgerüst der Branche:

1. STR-/CoStar-Daten. STR (inzwischen Teil der CoStar Group) ist die Benchmarking-Infrastruktur der Branche. Hotels übermitteln freiwillig tägliche Raten- und Belegungsdaten; STR aggregiert sie und liefert Comp-Set-Benchmarking-Reports zurück. Nahezu jedes Markenhotel und jede große Eigentümergruppe in den USA und Europa nimmt teil, was STR-Daten zum branchenweit nächsten Äquivalent eines Industriestandard-Datensatzes macht.

2. Property-Management-System-(PMS-)Daten. Systeme wie Oracle OPERA oder Mews erzeugen die rohen Transaktionsdaten: Reservierungen, Zimmernächte, verkaufte Raten, Storni. Das ist die Ground-Truth-Quelle für RevPAR und ADR, bevor externes Benchmarking angewendet wird.

3. Gästefeedback- und Reputationsdaten. Plattformen wie Tripadvisor, Booking.com-Bewertungen und Post-Stay-Survey-Tools (Medallia, Revinate) speisen Net Promoter Score (NPS) und Zufriedenheitsmetriken. Zunehmend werden diese durch Sentiment-Analyse der Bewertungstexte ergänzt, da Sternebewertungen allein Nuancen verlieren.

Wer flüssig liest, weiß, *welcher Datensatz hinter welchem KPI steht*, denn das bestimmt, was die Zahl sagen kann und was nicht.

Die drei Benchmarks, die jeder Hospitality-Profi flüssig lesen muss

Belegungsquote

Verkaufte Zimmer ÷ verfügbare Zimmer, über einen bestimmten Zeitraum.

*Schätzung, USA 2024 (STR-Daten laut Branchenpresse): die Jahresbelegung lag national bei rund 63 %.*

*Schätzung, Europa 2024 (Reporting mit Bezug auf STR/HOTREC): große europäische Märkte wie Paris und London lagen oft höher, in Spitzenmonaten im Bereich von 75-80 %, was Angebotsengpässe und Tourismusdichte widerspiegelt.*

Belegung allein sagt nichts über den Preis. Ein Hotel kann zu 95 % voll sein und trotzdem Geld verlieren, wenn die Zimmer zu günstig verkauft werden.

Average Daily Rate (ADR)

Gesamter Zimmerumsatz ÷ verkaufte Zimmer.

Der ADR isoliert die Pricing Power, unabhängig davon, wie voll das Hotel ist. Zwei Hotels mit identischer Belegung können sehr unterschiedliche ADRs haben, je nach Positionierung (Budget vs. Luxus) und Reifegrad des Revenue Managements.

RevPAR (Revenue per Available Room)

Die Kennzahl, die beides verbindet:

RevPAR = Belegungsquote × ADR

Gleichwertig: RevPAR = Gesamter Zimmerumsatz ÷ Gesamtzahl verfügbarer Zimmer (verkauft oder nicht).

Rechenbeispiel:

Ein Hotel mit 200 Zimmern verkauft heute Nacht 140 Zimmer zu einer durchschnittlichen Rate von 180 $.

  • Belegung = 140 ÷ 200 = 70 %
  • ADR = 180 $
  • RevPAR = 0,70 × 180 $ = 126 $

Wenn ein Comp-Set-Benchmark von STR einen durchschnittlichen Markt-RevPAR von 140 $ zeigt, liegt dieses Hotel rund 10 % unter seinem Markt, eine Lücke, die RevPAR-Index genannt wird (der RevPAR eines Hotels geteilt durch den durchschnittlichen RevPAR des Comp Sets, multipliziert mit 100). Ein RevPAR-Index über 100 bedeutet, dass das Haus mehr als seinen Fair Share des Marktes holt; unter 100 bedeutet, dass es Boden verliert.

Dieser Index, nicht die rohe RevPAR-Zahl, ist das, was Revenue Manager und Asset Manager tatsächlich wöchentlich verfolgen.

NPS: die Ergänzung auf der Nachfrageseite

Net Promoter Score, berechnet aus der Frage „Wie wahrscheinlich ist es, dass Sie dieses Hotel empfehlen?“ auf einer Skala von 0-10, wobei der Prozentsatz der Detractors (0-6) von den Promotern (9-10) abgezogen wird.

NPS-Benchmarks variieren stark je Segment. Ein Luxushaus könnte einen NPS im Bereich 60-75 anstreben (Schätzung, häufig zitierte Branchenspanne), während Budget- und Midscale-Marken oft gesund im Bereich 20-40 arbeiten. NPS *über* Segmente hinweg zu vergleichen ist ein häufiger Analysefehler: wer flüssig liest, prüft immer zuerst das Peer-Segment.

Datenqualitätsprobleme, die diese Benchmarks verzerren

Selbst Daten auf STR-Niveau haben bekannte Qualitätsrisiken, die man kennen sollte, bevor man einem Report vertraut:

  • Comp-Set-Drift: Hotels renovieren, wechseln die Marke oder schließen, und Comp Sets werden nicht immer in Echtzeit aktualisiert, was den Benchmark verzerrt.
  • Blindheit gegenüber dem Channel Mix: ein auf Bruttoraten berechneter ADR spiegelt möglicherweise nicht den echten Nettoumsatz nach OTA-Kommissionen (Online Travel Agency, z. B. Expedia, Booking.com) wider, die typischerweise 15-25 % betragen (Schätzung, je nach Vertrag unterschiedlich).
  • Selbstauskunfts-Bias: Hotels übermitteln ihre eigenen PMS-Auszüge an STR; Timing-Fehler oder manuelle Eingabefehler schlagen bis in „offizielle“ Benchmarks durch.
  • Response-Bias bei NPS-Umfragen: Rücklaufquoten bei Post-Stay-Surveys liegen oft unter 20 % (Schätzung), mit einer Verzerrung zu Gästen mit starken Meinungen (sehr zufrieden oder sehr unzufrieden), was die Spreizung aufblähen kann.

Governance-Disziplin bedeutet hier, zu dokumentieren, *wie* ein KPI berechnet wurde und aus *welchem System*, nicht nur die Endzahl zu berichten. Eine RevPAR-Zahl ohne angegebene Quelle, Zeitraum und Comp-Set-Definition ist analytisch nicht verwendbar.

Wissenscheck

1. Warum lässt sich eine Belegungsquote von 68 % für sich allein nicht bewerten?

2. Was ist die Hauptfunktion eines „Comp Sets“ in der Performance-Analyse der Hotellerie?

3. Was erklärt am besten, warum STR-Daten als nahezu branchenüblicher Benchmarking-Datensatz funktionieren?

MEHRFACHAUSWAHL

4. Wählen Sie ALLE korrekten Antworten zum Unterschied zwischen PMS-Daten und STR-Daten.

Wählen Sie alle richtigen Antworten aus.

MEHRFACHAUSWAHL

5. Wählen Sie ALLE korrekten Antworten dazu, warum der Vergleich der Daten eines Hotels nur mit seiner eigenen Vergangenheit für echte analytische Kompetenz nicht ausreicht.

Wählen Sie alle richtigen Antworten aus.

Einen Benchmark-Report wie ein Profi lesen

Wenn Sie einen STR-Benchmarking-Report oder ein internes BI-(Business-Intelligence-)Dashboard öffnen, prüfen Sie diese vier Dinge, bevor Sie eine Schlussfolgerung ziehen:

1. Comp-Set-Definition: ist sie noch korrekt und vergleichbar?

2. Zeitraum-Abgleich: wird hier dieselbe Saison, derselbe Wochentagsmix verglichen?

3. Trend des RevPAR-Index, nicht nur die Momentaufnahme einer Periode. Ein Haus, das drei Quartale in Folge Indexanteil verliert, hat ein strategisches Problem, kein Rauschen.

4. NPS-Segmentkontext: immer gegen dieselbe Kategorie und Region benchmarken.

Eine einfache Pseudocode-Sicht darauf, wie ein Revenue-Team diese Prüfung automatisieren könnte:

if revpar_index < 95 for 3+ consecutive periods:
    flag "market share erosion"
if occupancy > 85% and adr_growth < inflation_rate:
    flag "underpriced demand"
if nps < segment_benchmark - 10:
    flag "guest experience risk"

Das ist die Art von Logik, die zunehmend in Revenue-Management-Systeme (wie IDeaS oder Duetto) eingebettet ist und rohes Benchmarking in automatisierte Alerts verwandelt statt in manuelle Tabellenprüfung.

🎬 [VIDEO: „What is RevPAR? Hotel Revenue Management Explained“ - youtube.com - ein kurzer, angewandter Durchgang, wie RevPAR berechnet und in echten Revenue-Management-Entscheidungen genutzt wird]

Wichtigste Erkenntnisse

  • RevPAR = Belegung × ADR ist der zentrale KPI der Branche, aber der RevPAR-Index gegen ein Comp Set (nicht die Rohzahl) bestimmt die Wettbewerbsperformance.
  • STR-/CoStar-Daten sind der De-facto-Benchmarking-Standard der Branche; wissen Sie, dass sie auf Selbstauskunft beruhen und Comp-Set-Drift unterliegen, bevor Sie sie als Ground Truth behandeln.
  • NPS-Benchmarks müssen innerhalb des Segments gelesen werden (Luxus vs. Midscale vs. Budget); segmentübergreifende Vergleiche sind ein häufiger Analysefehler.
  • Datenqualitätsprüfungen (Comp-Set-Genauigkeit, Zeitraum-Abgleich, Survey-Response-Bias) sind Voraussetzung dafür, einem Benchmark zu vertrauen, kein optionales Extra.
  • Kompetenz bedeutet, das Quellsystem hinter jedem KPI zu kennen (PMS, STR, Gästefeedback-Plattform), denn das bestimmt, was die Zahl legitim aussagen kann.